位置特定丰富比率矩阵得分预测来自深度测序数据的抗体变异性质
Matthew D Smith1,2, Marshall A Case1, Emily K Makowski2,3
1Department of Chemical Engineering, University of Michigan, Ann Arbor, MI 48109-2200, United States.
Bioinformatics (Oxford, England)
|July 21, 2023
概括
一种新的位置特定丰富比率矩阵 (PSERM) 评分方法分析了深度测序数据,以确定最佳蛋白质变体. PSERM评分提高了蛋白质工程的可复制性和与实验性质的相关性.
科学领域:
- 蛋白质工程是一种蛋白质工程.
- 计算生物学是一种计算生物学.
- 生物物理学的生物物理.
背景情况:
- 在显示分类后对蛋白质库进行深度测序对于识别改进的变体至关重要.
- 目前使用变异频率或丰富比率的方法往往无法识别最佳候选者,并忽略了重要的数据.
研究的目的:
- 引入一种新的评分方法,位置特定丰富比率矩阵 (PSERM),用于分析深度测序数据.
- 通过利用整个深度测序数据集来改善最佳蛋白质变体的识别.
主要方法:
- 根据PSERM评分方法,在每个变体的所有突变位置上汇总了特定地点的缩比率.
- 它使用从前和后选择阶段的完整深度测序数据集.
主要成果:
- 与传统的频率和丰富比率方法相比,PSERM得分显示出更高的可复制性.
- PSERM评分与实验测量的抗体特性 (包括亲和和非特异性结合) 的相关性更强,对emibetuzumab.
- 该方法对于临床阶段的抗体证明有效,这表明它具有广泛的适用性.
结论:
- 在蛋白质工程中,PSERM评分为分析深度测序数据提供了更强大,更全面的方法.
- 这种方法增强了对各种应用的优质蛋白质变体的识别.
- 预计PSERM方法将在各种蛋白质工程活动中得到广泛采用.
